基于遗传算法的约束生产批量计划

研究一类考虑加班能力惩罚的约束生产批量计划问题,描述问题的数学模型,提出基于遗传算法的求解方案。采用启发式方式产生初始解,并通过在遗传算法中嵌入供求一致平衡算法与能力平衡算法来保证解的可行性。实例仿真证明该方案的有效性。     

热轧钢管主生产计划模型与算法研究

建立了热轧无缝钢管主生产计划问题的混合整数线性规划模型．该模型可归结为多阶段多产品带有能力约束的批量问题，但与传统批量问题存在以下不同：①充分反映了钢管企业与其它行业的不同工艺特点；②目标函数追求最大化现金流而不是最小化成本；③允许订单积压；④考虑库存能力约束；⑤忽略设置时间及成本。但引入了最小生产批量约束．鉴于该问题的NP难性，使用两种基于优化的启发式算法进行求解，并提出两条策略加以改进．     

热轧批量计划模型及其混合求解算法

分析了热轧批量计划编制问题,建立了基于奖金收集车辆路径问题的计划数不确定的热轧批量计划模型.模型中考虑了热轧生产的多种工艺约束和生产目标.针对该模型提出了一种基于模拟退火算法和蚁群算法的混合算法,混合算法中利用模拟退火算法得到热轧批量计划的一个初始解来生成蚁群算法中的初始信息素分布,利用蚁群算法寻找全局最优解.在蚁群算法中又嵌入了模拟退火算法进行局部搜索,避免蚁群算法陷入局部最优.实验结果表明所提出的模型和算法是有效的.     

PSO算法求解基于PCVRP的热轧批量计划问题

将热轧批量计划编制问题归结为奖金收集的车辆路径问题,按照热轧工艺规程,同时考虑轧制计划中钢板宽度、厚度的反跳约束,设计了反跳惩罚表,提出一种多目标数学规划模型,即最小化轧制计划数、最小化惩罚值、最小化未轧制板坯数.应用粒子群(PSO)算法进行求解,对PSO算法的求解过程进行了改进,使其适用于热轧批量计划问题,在实验中测试了算法的参数(惯性权重、加速因子)对解的影响,并进行了实验分析,获得了满意的结果.实验表明,经过改进的PSO算法所获得的最优解以及平均使用时间上都是有效的.     

能力受限批量问题的启发式算法与CPLEX仿真优化

能力受限批量问题多数都是NP-hard问题,解决方法之一就是构造启发式算法获取尽量接近最优解的可行解。目前多数文献通过大规模计算分析来评价启发式算法的性能,但是这种评价方式只能表明该算法针对特定实例的适应性。利用商业优化软件求解同一实例并与算法计算结果进行对比分析,可以体现算法的有效性。针对一种运输能力外包且费用时变的多产品动态经济批量问题,建立混合整数规划模型,通过约束松弛与模型分解,设计出一个基于拉格朗日松弛理论的启发式算法进行模型求解。大量随机实验计算结果以及CPLEX仿真优化结果对比分析表明,在某些实例情况下,启发式算法获取的最优值与CPLEX获取的相当,但是求解时间要明显优于CPLEX,因此选择启发式算法求解此类实例是较优的。     

模糊能力约束下的生产批量计划方法研究

引入模糊技术 ,建立具有模糊能力约束的生产批量计划模型 ( FCLSP) .结合遗传算法和参数线性规划方法提出解 FCLSP的混合算法 ,数值实例验证了其有效性 .     

一种两层生产计划问题建模及其遗传算法设计

研究了一种两层生产计划集成问题,上层为能力约束批量计划问题,下层为并行双机调度问题。采用单个模型来描述整个集成问题,目标函数由库存费用、缺货费用和加班费用三部分组成。对于该集成优化问题,设计了遗传算法整体求解,每个个体中同时包含了批量计划和作业排序的信息,并通过遗传算子的设计,避免了不可行解的出现。通过数值仿真实验,对三种不同规模的问题进行了计算,通过对计算结果的分析,验证了遗传算法的可行性和有效性。     

价格敏感需求下能力受限批量问题的混合算法

定价与批量模型的联合决策,为ERP软件包中市场功能和生产功能的有效集成提供了理论基础.研究了有限资源约束下,制造商如何协调地进行定价决策和生产决策,获得最大利润.提出了由动态规划和贪婪算法集成的混合算法,在多项式时间内求解出最优生产计划和各周期最优价格.实验结果表明,算法可以有效地解决定价和生产能力受限批量模型的联合决策问题:而且,与分散决策相比,联合决策可以制定更加合理的价格,给制造商带来更多的利润.通过生产能力的灵敏度分析,揭示了制造商的生产能力与利润的相互关系,有助于制造商选择恰当的经营策略.     

基于仿真的系统需求约束问题求解算法研究

提出了一种基于仿真的求解系统需求约束问题的算法，它基于实际总理2中存在的独立单调性原理，采取了超盒数值逼近方法，高效地逼近所求的系统使命轨迹。该算法极大地缩减了搜索空间，并克服以前依赖解析函数关系求使命轨迹的缺陷，使得复杂系统的使命轨迹的生成成为可能，本文用该算法与相应仿真手段于一概念上的反隐身防空C^3I系统使命轨迹的生成，取得了较好的效果，最后，进一步讨论了提高算法计算速度的几种策略。     

一种求解大型生产计划模型的算法

本文考虑在允许缺贷的条件下,多产品、多阶段生产计划问题,给出了求解该问题的算法。这种算法不需要对原问题直接求解,而是先将原问题进行分解,得到一个由一系列非常小且易解的子问题组成的序列,然后用迭代的方法求得一个初始解,再对这个解进行修正,从而得到原问题的最优解。这种算法较好地解决了大规模生产计划模型的求解难问题。     

随机批量问题的两种新模型及其算法

研究随机需求下 ,单层多产品、资源能力受限的批量问题 .对资源能力确定的情形 ,给出机会约束规划模型 .对资源能力不确定的情形 ,基于执行计划的策略提出了一种随机环境下的期望值模型 .本文采用基于随机模拟的遗传算法求解上述两种模型 .通过对算例结果进行方差分析 ,研究各种模型参数和环境变量对目标费用的影响 .最后 ,对该问题的进一步研究工作进行了展望 .     

一种物料需求计划进货批量决策技术

进货批量的选择是物料需求计划(MRP)系统中一项重要的工作,现有的MRP物料批量的计算方法主要有:配套批量法、固定周期法、EOQ法、期间平衡法等;然而,这些进货批量决策技术只是进货总费用最小化的一种近似计算。针对该情况,提出了一种MRP进货批量决策技术并把这种技术和以上的技术做了充分的对比分析。     

基于概率局域搜索的动车组平日运用计划编制算法

介绍动车组运用计划的含义、计划方案的评价准则;平日运用计划自动编制的启发式算法;算法将问题分为两个部分,即定期检修计划生成和动车组接续运用部分.将接续运用部分转化为某种旅行商问题,定义了动车组运用网络;在构造新的回路时能够考虑日常检修条件和动车组的利用效率.利用实际线路数据进行实验,证明算法有效.     

求解多车场车辆路径问题的分散搜索算法

提出了一种求解多车场车辆路径问题(Multi-depot Vehicle Routing Problem,MDVRP)的分散搜索算法(Scatter Search,SS).该算法基于顾客信息进行编码,采用扫描算法(Sweep algorithm)与最优划分过程产生待选解集;通过启发式规则选择不同解包含的弧来生成新解;并由2-交换、2-交换*及最坏移出-预测插入启发式三种局部搜索策略构成迭代下降算法对解进行改进.通过采用文献中随机生成的小规模数据及MDVRP的Benchmark问题对算法进行测试,验证了算法的有效性.     

应用重启改进进化算法提高柔性作业解质量

重启策略有效提高了概率算法性能。为将重启思想引入协同进化算法,改进了涉及多种群的协同进化算法收敛判断条件。以进化过程中相同解码值的重复解码次数衡量协同种群的稳定状态,用于结束或重启搜索过程。引入重启后的协同进化算法用以求解柔性作业调度问题。实验表明,改进后的算法能有效跳出局部最优,提高解质量和搜索效率。从而为应用协同进化算法求解其他组合问题时提高算法性能提供了一条可行有效的新途径。     

分散搜索算法求解带货物权重的车辆路径问题

研究了由一个分销中心、多个零售商组成的分销网络中运输单产品考虑货物权重的车辆路径问题(weighted vehicle routing problem,WVRP).问题的目标是设计合理的路线最小化由于行驶距离,运输载重量及使用车辆而产生的总费用.针对问题的特点,设计了求解WVRP问题的分散搜索算法(scatter search algo-rithm,SS),该算法基于客户进行编码,以基于最优划分过程的随机初始化作为多样性产生方法,通过对不同解包括的弧组合来生成新解,并用最近邻法对解进行改进.分别采用了随机数据与标准数据对算法进行测试,并与其他求解该问题的算法进行了比较,说明了算法的有效性.     

一类集散货物路线问题的禁忌搜索算法设计

针对该类同时集散货物路线问题(VRPSDP)的特点,文章将配送中心车辆的固定费用和可变费用之和作为目标函数.然后,提出了一种SFC-TS算法:先应用分形理论中的空间填充曲线法(SpacefillingCurves,SFC)求解初始解,再用禁忌搜索法(Tabu Search Algorithm,TS)对初始解进行改进优化.最后,应用算例验证了SFC-TS算法的有效性,结果表明SFC-TS算法在求解小规模问题(20个点)时其性能总体优于已有的同类问题的算法.     

关于Tabu Search算法收敛性的研究

对ＴａｂｕＳｅａｒｃｈ算法的收敛性进行了研究。并对ＴａｂｕＳｅａｒｃｈ算法运行的迭代次数与收敛性的关系进行了理论上的说明,从而使ＴａｂｕＳｅａｒｃｈ算法迭代次数的选取有了一定的估计。     

有时间窗约束车辆调度优化的一种禁忌算法

针对有时间窗的V SP问题提出了一种禁忌算法,本算法运用了多初始解和全局禁忌表等各种措施来减小解的不稳定性和扩大搜索范围,并根据容量约束和时间窗约束性质的不同,结合惩罚函数和各约束的性质来联合控制车场的分配。给出了两组具有代表性的试验数据,并与其他算法优化时间窗V SP的实验结果作了比较。结果表明,此禁忌算法是解决有时间窗约束的一条有效途径。     

解家纺企业生产计划问题的并行混合遗传算法

为解决家纺企业的实际车间批量生产计划问题，提出了一个基于自然编码的混合遗传算法。此算法具有如下特点：一方面编码方式能有效地反映调度方案；另一方面对每子代得到的调度方案利用爬山算法对其进行了局部调整，大大加快了收敛速度。同时为了更好地适应调度实时性和解大型企业此类问题的需要，基于遗传算法自然并行性特点的基础上，实现了主从式控制网络模式下并行混合遗传算法。计算结果表明，此算法是有效的，有着较高的并行性，并能适用于解大型此类企业车间批量生产计划问题，在实际应用中有着较广阔地应用前景。